《IEEE Access》：SFSM-YOLO: Insulator Defect Detection via Spatial-Frequency and Multi-Scale Modulation
编辑推荐：
```div _ngcontent-ng-c1231153542="" class="abstract-text row g-0"> 摘要： 在基于无人机的绝缘体检测中，严重的背景干扰、频繁漏检微小缺陷以及多尺度特征融合效率低下一直是持续存在的瓶颈问题。为了解决这些限制，本文提出
```div _ngcontent-ng-c1231153542="" class="abstract-text row g-0">
摘要：
在基于无人机的绝缘体检测中，严重的背景干扰、频繁漏检微小缺陷以及多尺度特征融合效率低下一直是持续存在的瓶颈问题。为了解决这些限制，本文提出了一种结合空间频率特征提取和多尺度调制YOLO（SFSM-YOLO）算法的绝缘体缺陷检测方法。在骨干网络中，专门设计的空间频率增强模块（SFEB）利用双路径并行处理将目标信号与高频背景噪声分离，从而提纯出本质的缺陷特征。该架构进一步集成了高效引导操作器（EPGO）这一动态稀疏注意力模块，通过自适应调节注意力矩阵的稀疏性，有效滤除无关干扰并增强微弱缺陷轮廓的表示能力。此外，多尺度特征金字塔被重构到MBSMFFPN框架中。调制融合模块（MFM）与高效上卷积块（EUCB）的结合实现了自适应的跨层加权特征融合，同时有效减少了参数数量。在绝缘体数据集上的实验评估表明，与原生YOLO11n相比，SFSM-YOLO的mAP50提高了7.58％。同时，总参数数量从258万减少到219万。这些结果表明，所提出的方法在保持较低参数量的同时，有效提升了复杂环境中绝缘体的多尺度缺陷检测准确性和抗干扰能力，使其适用于无人机检测中的边缘设备部署。
```
